随着国内生产总值(GDP)的不断增长,人民生活水平不断提高,私家车逐渐进入千家万户。截止2013年底,我国机动车的保有量为2.5亿辆,其中私家车超过8500万辆,并继续以年均1400多万辆增长。随着机动车的逐年剧增,维护道路交通秩序,保障道路交通安全至关重要。因此,对道路车辆信息及运动轨迹进行实时检测,提前对危险进行预警判断,将有效减少车祸的发生,对维护道路交通安全具有深远的意义和影响。本文围绕车辆结构化特征检测和跟踪问题,主要研究了基于数字图像处理技术的多尺度车辆精确识别和稳健跟踪的方法,主要内容包括:1、针对图像预处理中,难以突出形态、颜色、大小均复杂的感兴趣区域(ROI,Region Of Interesting)的问题,通过颜色空间变化实现多通道颜色增强的方法,降低了复杂场景中,图像预处理的难度。2、针对复杂场景下,变尺度车辆结构化信息提取的问题,提出了利用最大稳定极值区域(MSER,Maximally Stable Extremal Regions)进行提取的方法,实现对图像子节点的快速生成及检测。3、针对解决高效率识别正确车辆信息的问题,研究了运用支持向量机(SVM,Support Vector Machine)对检测到的车辆关键信息进行分类训练,实现自动识别、组合分类的方法,比现有的基于统计理论和阈值限定的方法更加科学、高效。4、针对车辆跟踪难以实现平滑处理的方法,提出了一种基于Kalman滤波器和车辆检测结果的先检测后跟踪(DBT,Detection Before Tracking)的车辆跟踪算法,实现连续多帧图像下的车辆信息的实时快速跟踪。通过基于交通真实场景监控视频的仿真和实测,证明上述方法对多尺度车辆具有高鲁棒性,高检测率,高跟踪率,能够稳健可靠的完成道路车辆检测分割和连续跟踪。